SAC下实现地震波的频率分析、聚束及f-k分析

最新推荐文章于 2024-05-08 16:12:14 发布
最新推荐文章于 2024-05-08 16:12:14 发布
阅读量8.1k 收藏 19
点赞数 4
分类专栏： 地震学软件 SAC 文章标签： 地震波 SAC FFT f-k分析 Beamforming
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_24484485/article/details/79929711
版权

台阵数据处理方法简介

    参考文献： 严锋, 靳平, & 范广超. (2005). 聚束及f-k分析法在地震台阵数据处理中的应用. 陕西地球物理文集.

1 波形聚束法 Beamforming

    波形聚束可压低噪声，提高信噪比，便于对微弱信号的检测

2 频率-波数谱分析 F-K Analysis

    频率-波数谱分析(即f-k分析)，可以得到准确的方位角和慢度值，这两个参数对于震相的识别、关联和定位具有重要价值。

    

SAC 脚本实现

1 波数谱图的理解

    在做 f-k 分析前，先理解《The Seismic Analysis Code: A prime

最低0.47元/天 解锁文章
seismic_code
关注
  • 4
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
python处理地震sac数据_Fortran批量读取SAC地震数据文件，写SAC文件，并转换成SEGY...
weixin_29090917的博客
01-15 1457
[Fortran] 纯文本查看 复制代码Module SACParameterInteger, parameter :: FileUnit = 100Character( Len = * ), Parameter :: Directer = '"'//'..\WAV\WAVFormYiliang\yiliang\*.*'//'"'Type :: EventParaInteger( kind = 4...
matlab代码间距-fk3c:三分量FK分析（针对地震数据开发）
05-28
matlab代码间距fk3c-MATLAB中的三成分FK分析 作者：Nima Riahi日期：2014年7月14日 描述 小型MATLAB软件包可用于执行三分量数组处理。 该代码是在考虑地震数据的情况下编写的，但应适用于每个位置具有三个正交运动传感器的任何2D阵列。 欢迎反馈，建议和错误报告： 内容 重要文件： SynthDat.m：具有用于测试的合成数据的跟踪收集数据结构。 FK3C_Fourier.m：MATLAB脚本，用于从跟踪收集数据结构中计算短时频谱图。 FK3C_FK.m：MATLAB脚本，用于计算3C波数频谱并进行一些简单的可视化处理。 FK3C目录：软件包功能 compFK3C：根据SDM矩阵的时间序列计算3C波数频谱。 compSDM：根据一批频谱图计算SDM矩阵。 polpar2cmplx：将极化椭圆的“人类可读”参数化转换为复数3矢量。 极值/极值2：在向量和矩阵中找到极值（从网上下载，作者Carlos Adrin Vargas Aguilera，Uni de Guadalajara，2005年） 入门 您可以依次运行两个脚本FK3C_Fourier和FK3C_F
kik-net、peer、yjk、pkpm、midas、sac地震波格式互相转换
最新发布
hu924519559的博客
05-08 513
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
马斯克神经网络转换器_神经网络动画转换数据
weixin_26731327的博客
08-31 415
马斯克神经网络转换器When it comes to classification algorithms, the explanation can be intuitive about how they work:关于分类算法，可以很直观地说明它们的工作方式： Logistic Regression and SVM find a hyperplane to “cut” the space into...
SAC.jl：使用Julia处理SAC格式的地震数据
02-03
SAC.jl：使用Julia处理SAC格式的地震数据
地震数据处理程序包SAC的平台兼容性
aquamma的博客
05-03 289
项目场景： 2012年开始使用SAC是101.5c版本，RHEL5 x64平台； 2015年开始使用SAC101.6a版本，同时使用RHEL5和RHEL6平台； 问题描述 最近在测试一个数据格式转换问题时，突然发现2013年写的旧shell脚本运行结果不正确！ 反复查找后发现是SAC 101.5c + RHEL5 x64（原始环境）正常，SAC 101.6a + RHEL6 x64也正常， 但是，SAC 101.6a + RHEL5 x64输出的sac文件头段有隐蔽的错误。。。 原因分析： SAC 从10
sacFFT_SAC频谱分析_傅里叶变换_sac_
10-02
在地震数据分析领域，SAC（Seismic Analysis Code）是一种广泛使用的软件工具，它提供了丰富的功能来处理和分析地震数据。本文将围绕“sacFFT_SAC频谱分析_傅里叶变换_sac”这一主题，深入探讨如何使用SAC进行频谱...
SAC地震波形数据英文版学习手册
05-11
【SAC地震波形数据英文版学习手册】是一份详细阐述SAC软件使用的手册，主要目的是帮助用户理解和处理地震波形数据。SAC（Seismic Analysis Code）是一款广泛应用于地震学研究的软件，它提供了丰富的功能，包括数据...
SAC基于报表粉饰的财务分析
08-24
SAC基于报表粉饰的财务分析 SAC基于报表粉饰的财务分析是财务分析的一种形式，它通过对报表的分析和粉饰，帮助企业和个人更好地理解财务数据，从而进行财务决策。这种类型的财务分析对于企业的财务健康状况、风险...
f-k分析代码
10-09
一个很好用的f-k分析代码，用c语言编写的，在linux系统下运行很好。
最强大的地震数据处理软件
10-10
国际通用的地震数据处理软件，供学习使用。
地震数据前期处理软件
05-03
地震数据前期处理软件，一款国外大型免费使用软件，处理地震数据
FK滤波（地震数据处理）.tar
12-10
程序是fk滤波，对于初学者有一定的帮助！对于初学者有一定的帮助！对于初学者有一定的帮助！对于初学者有一定的帮助！
地震学FK使用方法详细应用
03-25
fk 是 Prof.Lupei Zhu 写的一个用于计算 水平分层模型 下的理论格林函数并合成 理论地震图的代码包。代码是开源的，可以直接编译使用。本文档是个人整理的教程应用指南
FK滤波效果分析（matlab）
10-12
FK滤波过程，MATLAB编写。滤波器为理想滤波器。一二一二
频率波数域matlab,频率-波数域方法的发展及其在台阵数据分析中的应用
weixin_39542093的博客
03-24 3275
0 引言自1960年起，地震台阵作为一种新型的地震学研究工具，已经广泛应用于不同类型波场信号的检测及地球内部不同尺度结构的成像(传统的F-K方法(各种不同类型台阵的陆续建设，为F-K分析提供了大量的数据支持，使得该方法在理论和实践中都得到了极大的发展。人们对F-K方法的不断改进(1 F-K分析方法从原理上来说，F-K方法是基于频率波数域功率谱密度函数(F-K PSDF)的计算，将台阵观测信号从时间...
sac绘制频谱图
xiaobaifdf的博客
08-18 952
首先利用fft做傅里叶变换，然后利用plotsp命令，psp am linlog绘制 频率-振幅图，其中参数am指仅绘制振幅，linlog指纵轴为线性坐标系，横轴为指数坐标系
python处理地震sac数据_试用python读取地震波形的二进制SAC文件
weixin_35964787的博客
02-10 1327
sac文件比较简单，不过有些设置没有处理，只是单纯的读取并绘图。代码：import structimport pylabclass sacfile_wave:def read(self,sFile):#sFile='e:\\10.sac'f=open(sFile,'rb')hdrBin=f.read(632)sfmt='f'*70+'I '*40+'8s '*22+'16s';hdrFmt=str...
地震sac数据EMD去噪代码及原理
05-30
地震信号中包含了许多噪声，这些噪声会影响地震数据的准确性和分析结果的可靠性。一种常用的去噪方法是使用经验模态分解(EMD)技术。 EMD技术是一种基于自适应局部信号分解的方法，它将复杂的非线性信号分解成若干个本征模态函数(IMF)，每个IMF代表了一个特定的频率范围。IMF满足两个条件：在任何给定的点上，它的振动频率是局部确定的；在整个时间范围内，它的振动频率是变化的。 EMD去噪的基本步骤如下： 1. 将地震信号分解成若干个IMF，得到一系列IMF和一个残差信号。 2. 对每个IMF进行阈值处理，将小于某个阈值的IMF置为0。 3. 对处理后的IMF进行重构，得到去噪后的地震信号。 下面是一个使用Python实现的EMD去噪代码： ```python import numpy as np import matplotlib.pyplot as plt import pywt from scipy.signal import find_peaks def EMD(signal): # 定义判断IMF的条件 def is_imf(x): # 极值点的数量 num_extrema = 0 # 零点的数量 num_zeros = 0 for i in range(1, len(x) - 1): if (x[i - 1] < x[i] and x[i + 1] < x[i]) or (x[i - 1] > x[i] and x[i + 1] > x[i]): num_extrema += 1 elif (x[i - 1] > x[i] and x[i + 1] < x[i]) or (x[i - 1] < x[i] and x[i + 1] > x[i]): num_zeros += 1 # 极值点和零点的数量相等或相差1为IMF return abs(num_extrema - num_zeros) <= 1 # 分解IMF def decompose(x): imfs = [] while not is_imf(x): h = x while not is_imf(h): # 一阶差分 d = np.diff(h) # 极大值点 max_indices = find_peaks(d, distance=1)[0] # 极小值点 min_indices = find_peaks(-d, distance=1)[0] if len(max_indices) == 0 and len(min_indices) == 0: break # 极值点 indices = np.sort(np.concatenate([max_indices, min_indices])) # 插值 upper_spline = np.interp(np.arange(len(h)), indices, h[indices]) lower_spline = np.interp(np.arange(len(h)), indices, h[indices[::-1]]) # 平均值 m = (upper_spline + lower_spline) / 2 # 计算局部极值点 max_extrema = find_peaks(m, distance=1)[0] min_extrema = find_peaks(-m, distance=1)[0] extrema = np.sort(np.concatenate([max_extrema, min_extrema])) # IMFs imfs.append(h - m) h = m if len(h) > 0: imfs.append(h) x = x - imfs[-1] imfs.append(x) return imfs # 重构信号 def reconstruct(imfs): return np.sum(imfs, axis=0) # 定义阈值处理函数 def threshold(imf, std_multiple): threshold = np.std(imf) * std_multiple imf[np.abs(imf) < threshold] = 0 return imf # EMD分解 imfs = decompose(signal) # 阈值处理 for i in range(len(imfs)): imfs[i] = threshold(imfs[i], 0.1) # 重构信号 signal_hat = reconstruct(imfs) return signal_hat # 读取SAC数据 from obspy import read st = read('data.sac') data = st[0].data # 对数据进行EMD去噪 data_denoised = EMD(data) # 绘制去噪前后的地震信号 plt.figure() plt.subplot(2, 1, 1) plt.plot(data) plt.title('Original data') plt.subplot(2, 1, 2) plt.plot(data_denoised) plt.title('Denoised data') plt.show() ``` 以上代码中，首先定义了一个`EMD`函数，用于对输入的信号进行EMD分解和重构。在`EMD`函数中，我们使用`decompose`函数对信号进行IMF分解，使用`threshold`函数对每个IMF进行阈值处理，然后使用`reconstruct`函数对处理后的IMF进行重构。最后，我们读取SAC数据，对数据进行EMD去噪，并绘制去噪前后的地震信号。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值